‏موتور پیشنهاد محتوا با لاراول، MongoDB و هوش مصنوعی

پیشنهاد محتوا فقط با تگ‌زنی یا رندوم‌کردن پست‌های مشابه؟ این روش‌ها خیلی وقته که کافی نیستن. پلتفرم‌هایی مثل Netflix، LinkedIn و Facebook مدت‌هاست از سیستم‌های پیشنهاددهی مبتنی بر هوش مصنوعی استفاده می‌کنن تا کاربرا رو درگیر نگه دارن. در این مقاله، قدم‌به‌قدم یه موتور پیشنهاد محتوا می‌سازیم که به‌جای تکیه بر کلیدواژه یا تگ، بر اساس معنای واقعی متن کار می‌کنه.

ایده اصلی اینه که هر پست رو به یه لیست بلند از اعداد (به اسم embedding یا وکتور) تبدیل کنیم. این اعداد نمایانگر «معنا»ی متن هستن. وقتی دو متن از نظر مفهومی به هم نزدیکن، وکتورهاشون هم به هم نزدیکن. مثلاً «Laravel API authentication» و «Securing APIs in Laravel» با کلمات متفاوت نوشته شدن، ولی وکتورهاشون خیلی شبیه همن. بر این اساس می‌شه از MongoDB Vector Search خواست که نزدیک‌ترین پست‌ها به پست فعلی رو پیدا کنه.